分子钟是一种估算进化谱系何时发生分化的方法,它将脱氧核糖核酸、RNA或蛋白质序列的差异与进化变化随时间的积累联系起来。分子钟是系统发育学的核心工具之一,能够为进化关系赋予时间尺度。这个术语也指这样一种假说:特定分子序列以近似恒定的速率积累变化。现代方法不必假定存在普遍恒定的速率,而是可以容许不同谱系、不同基因以及同一序列内不同位点之间的速率差异。
基本原理
随着谱系演化,可遗传的分子变化沿着进化树的各个分支持续积累。通过比较同源序列,即源于同一祖先序列的序列,可以获得它们之间进化变化量的信息。如果能够估算变化速率,就可以将变化量换算为经过的时间。
在最简单的情形中,两条序列从共同祖先序列分化出来,此后以相同的恒定速率演化:
其中:
- 是两条序列之间每个位点的预期替换次数;
- 是各谱系每个位点在单位时间内的替换速率;
- 是自两条序列的共同祖先序列以来经过的时间。
系数二反映了两个后代分支上都发生了变化。如果两个谱系各自的速率恒定但彼此不同,相应的表达式为 。
这里的替换是指沿谱系发生的进化性替代,而不是任何新出现的突变。许多突变会消失,并不对谱系间的长期差异作出贡献。
观测到的差异位点比例通常不等于 。一个位点可能发生多次变化、恢复到先前状态,或在不同谱系中独立形成相同状态。核苷酸替换模型可以估算这些无法直接观察到的变化。如果不作这种校正,序列差异往往会低估进化变化量,尤其是在较长的时间尺度上。
单凭分子数据,通常更容易确定速率与时间的乘积,而不容易分别确定这两个量。一个变化很多的分支,既可能代表较低速率下的一段较长时间,也可能代表较高速率下的一段较短时间。因此,要估算绝对年代,必须引入外部时间信息,或采用具有独立依据的速率。
历史发展
分子钟概念源于20世纪60年代初对蛋白质序列的比较。埃米尔·祖克坎德尔和莱纳斯·鲍林发现,包括血红蛋白在内的亲缘相关蛋白质之间的差异,可以提供有关进化分化时间的信息。他们在1962年和1965年的研究,推动确立了以分子序列变化衡量进化时间的可能性。
这一观点影响深远,因为分子证据提供了一种独立于解剖学比较的年代信息来源。它也提出了一个理论问题:既然生物在环境、生活史和适应模式上存在巨大差异,分子进化为何还会表现出某种规律性?
木村资生自1968年起发展的分子进化中性理论提供了一个重要解释。后续研究表明,在广泛的生物类群中,速率严格恒定的情况并不常见,这推动了局部分子钟模型和松弛分子钟模型的发展。
钟式进化的生物学基础
在简单的中性模型下,中性位点的长期替换速率等于中性突变速率。
对于有效种群大小为 的理想化二倍体种群,每个位点每代大约会产生 个新的中性突变,其中 为每个拷贝每代的突变率。每个新中性突变的固定概率为 。两者的乘积给出预期替换速率:
这一结果将分子进化与遗传漂变联系起来,并解释了为什么大致稳定的突变过程可以产生近似稳定的替换过程。
这并不意味着所有分子变化都是中性的,也不意味着所有分子钟的运行速度都相同。自然选择会清除许多有害变化,也可以促进有利变化的传播。不同基因之间以及同一基因的不同位点之间,功能约束并不相同。例如,对蛋白质活性至关重要的氨基酸,其变化频率可能远低于受到较弱约束的位点。
速率还取决于突变机制。DNA复制、DNA修复、世代时间及其他生物学特征的差异,都可能导致谱系间的速率不同。每代速率恒定,并不一定意味着每年速率也恒定。
主要分子钟模型
严格分子钟
对于指定的序列或数据分区,严格分子钟为树上的每个分支赋予相同的替换速率。不同位点之间,或分别建模的不同基因之间,速率仍然可以不同。
对于在同一时间采集的序列,严格分子钟意味着,从树根到每个采样末端的预期进化距离都相等。这样的树称为超度量树。不过,由于替换具有随机性,而且序列长度有限,观测到的序列差异仍会出现波动。
当速率变异较小时,严格分子钟可以有效发挥作用。如果忽略了较大的速率变异,推断出的分化时间就可能存在偏差。
局部分子钟
局部分子钟模型为指定的一组分支赋予同一速率,并为其他分支组赋予不同速率。当速率变化集中发生于某个特定谱系或演化支时,这类模型很有用。
有些方法要求预先指定速率分组;另一些方法则根据数据估算这些分组在树上的位置。
松弛分子钟
松弛分子钟模型允许各分支的速率发生变化。主要类型包括:
- 自相关模型:后代分支的速率往往与祖先分支的速率相近。
- 非相关模型:各分支的速率独立地从同一个概率分布中抽取。
- 随机局部分子钟模型:速率变化发生在部分分支上,具体涉及哪些分支在分析过程中推断。
这些模型更加灵活,但也引入了额外的参数和假设。松弛分子钟并不会自动消除定年误差:其表现取决于数据、校准信息,以及模型假设是否充分描述了进化过程。
进化时间的校准
分子钟需要建立遗传变化与日历时间之间的联系。多种证据都可以提供这种联系。
化石。 古生物学证据可以约束谱系的年代。归属可靠的化石通常能够确定,相关谱系在该化石所处的年代已经存在,因此提供的是最低年代约束,而不是确切的分化年代。最高年代约束则需要额外依据,因为仅凭缺少更古老的化石,并不能证明某个谱系当时不存在。
已知年代的样本。 如果采样时间跨度内积累了足够的变化,在不同已知时间采集的序列就可以直接揭示进化速率。这种方法尤其适用于快速演化的病毒。已知年代的古DNA则可以扩展其他生物的采样时间跨度。
地质或生物地理事件。 经过独立测年的事件,例如岛屿形成或地理屏障的出现,有时可以为分化时间提供信息。但这类推断需要谨慎:谱系的分化或定殖不一定与该事件同时发生。
外部速率估计。 通过家系、实验或其他进化研究估算的速率,可以提供校准信息。这些速率是否适用,取决于生物种类、基因组区域、时间尺度,以及所测量速率的定义。
校准的不确定性通常用上下限或概率分布表示,而不是用固定年代表示。多个相互独立、证据充分的校准可以增强分析的可靠性,但归属错误或彼此不相容的约束可能扭曲整个时间尺度。
分子定年不同于放射性测年。它测量的是生物序列的变化,而不是放射性衰变;不过,放射性测年可以确定用作校准依据的化石或相关地质沉积物的年代。
统计推断与不确定性
典型的分析会综合序列数据、树模型、替换模型、分子钟模型和时间约束。最大似然法和贝叶斯推断方法得到了广泛应用。
贝叶斯分析将观测序列的似然与速率、分化时间及其他参数的先验分布相结合。其结果是后验分布,而不是唯一确定的一套年代。当分子数据包含的时间信息较少时,先验和校准可能对结果产生很大影响。
不确定性的主要来源包括:
- 序列长度有限,以及类群采样不完整;
- 序列比对或亲缘关系重建存在错误;
- 对速率变异的建模不充分;
- 化石的系统发育归属及年代存在不确定性;
- 对谱系多样化和采样过程所作的假设;
- 不同基因组区域的进化历史相互冲突。
报告的区间以所选择的模型和校准为条件。如果重要假设有误,区间很窄也不能保证结果准确。敏感性分析、替代校准方案和时间信号检验,有助于评估结论在多大程度上依赖这些选择。
应用
分子钟为进化中的重大事件提供时间尺度,包括生物的多样化和特定类群的起源。它们有助于将进化历史与地理、气候变化及化石记录进行比较。
在人类演化和群体遗传学中,分子定年有助于估算祖先关系和种群历史。不过,必须根据模型的具体内容来解释遗传年代:采样序列具有共同祖先的时间,并不自动等同于种群分离的时间。
在流行病学中,具有采样日期的病原体序列有助于重建谱系出现和传播的时间。采样病原体序列的共同祖先的估计年代,不一定就是首次感染或疫情暴发的起始时间。
不同问题需要使用不同的分子标记。演化缓慢的序列能够保留遥远年代的信息,而演化较快的区域则可能区分近期发生的事件。
局限性与解读问题
基因分化不等于物种分化
从不同物种中采样得到的基因拷贝,其共同祖先可能早于这些物种的分离。祖先种群中的遗传变异可能经历连续多次分化事件而持续存在,导致基因树与物种树不同。
溯祖理论描述了这种沿时间向过去追溯基因拷贝祖先的过程。多物种溯祖模型明确区分基因历史与物种分化。
饱和与模型设定错误
在漫长的时间里,反复发生的替换可能抹去早期变化的证据。这种替换饱和限制了序列所能保留的年代信息。对序列组成、选择约束或替换过程变化所作的错误假设,还可能进一步使估计产生偏差。
增加序列数据可以减少抽样误差,但不一定能够纠正模型的系统性误差。
重组与水平转移
重组可能使一条序列的不同部分具有不同的谱系历史。水平基因转移同样可能使基因的历史不同于其宿主生物的历史。如果将这类数据视为沿同一棵分支树演化,就可能得出具有误导性的年代。
速率估计的时间尺度依赖性
根据短时间间隔推断的速率,可能高于根据漫长进化时期估算的速率。造成这种现象的机制包括:轻度有害变异暂时存在,随后被选择清除;未能识别多次替换;以及校准或采样上的差异。
因此,不应假定短期的突变率或进化速率估计,可以原封不动地用于遥远的分化时间。分子钟估计是在特定条件下作出的重建,其解释取决于进化过程、时间尺度,以及用于校准的证据。